NVIDIA GTC 2026: Vera Rubin debiutuje, Feynman na horyzoncie
Jensen Huang otwiera konferencję NVIDIA GTC 2026 w San Jose oficjalną premierą platformy AI Vera Rubin i wczesną zapowiedzią architektury Feynman, umacniając dominację NVIDIA w erze agentic i physical AI.
Największa scena branży AI
W niedzielę w San Jose rozpoczęła się konferencja GPU Technology Conference 2026 firmy NVIDIA, którą analitycy rutynowo nazywają "Super Bowl sztucznej inteligencji". Z 30 000 uczestników zjeżdżających się do SAP Center i dziesiątkami tysięcy dołączających online, stawka jest wyjątkowo wysoka – i wyjątkowo jasna. Dyrektor generalny Jensen Huang wystąpi na głównej scenie w poniedziałek, 16 marca, o godzinie 11:00 czasu PT, aby sformalizować nową erę obliczeniową zbudowaną wokół platformy Vera Rubin i zaoferować pierwsze w branży istotne spojrzenie na jej następcę, architekturę Feynman.
Vera Rubin: Od linii produkcyjnej po centrum uwagi
Główna zapowiedź nadchodzi, gdy większość jej szczegółów technicznych jest już w obiegu – ale to wcale nie umniejsza jej znaczenia. Platforma Vera Rubin, nazwana na cześć pionierskiej astronom, łączy niestandardowy procesor Vera CPU oparty na architekturze Arm firmy NVIDIA z nowym procesorem graficznym Rubin i jest produkowana seryjnie od stycznia 2026 roku, co Huang potwierdził na targach CES. GTC to miejsce, w którym platforma otrzymuje oficjalną premierę komercyjną.
Procesor graficzny Rubin to potężny kawałek krzemu: 336 miliardów tranzystorów – 1,6 razy więcej niż w Blackwell – wyprodukowany w procesie TSMC klasy 3 nm. Osiem stosów pamięci HBM4 zapewnia przepustowość około 13 TB/s na GPU, prawie trzykrotnie większą niż jego poprzednik. W flagowej konfiguracji szafy NVL72 – 72 procesory graficzne Rubin sparowane z 36 procesorami Vera CPU – platforma osiąga 3,6 eksaFLOPS wydajności wnioskowania NVFP4. NVIDIA twierdzi, że przekłada się to na 5-krotnie większą przepustowość wnioskowania i 10-krotnie niższy koszt na token w porównaniu z Blackwell, liczby, które będą kształtować decyzje inwestycyjne centrów danych przez lata. Szeroka dostępność spodziewana jest w drugiej połowie 2026 roku, a hyperscalerzy AWS, Azure i Google Cloud ustawiają się w kolejce do wczesnego wdrożenia.
Pierwszy rzut oka na Feynmana
Oczekuje się również, że Huang uchyli rąbka tajemnicy – ostrożnie – na temat architektury Feynman, generacji zaplanowanej na około 2028 rok. Wczesne sygnały techniczne wskazują na proces 1,6 nm z zasilaniem od tyłu i filozofią projektowania opisywaną przez analityków jako "inference-first": zbudowaną od podstaw z myślą o długim kontekście i wieloetapowym rozumowaniu, jakiego wymagają obciążenia agentic AI. Jeśli NVIDIA wyląduje na węźle 1,6 nm zgodnie z planem, skok ten wydłuży jej przewagę produkcyjną nad konkurentami o szacunkowo dwa do trzech lat, według analityków z The Register i Deeper Insights.
Agentic AI i świat fizyczny
Poza krzemem, GTC 2026 jest zorganizowane wokół dwóch zbieżnych tematów: agentic AI i physical AI. Systemy agentic – modele, które nie tylko odpowiadają na pytania, ale autonomicznie planują, działają i zapamiętują – wymagają zasadniczo innego profilu obliczeniowego: ogromnej pamięci podręcznej klucz-wartość, wnioskowania o niskim opóźnieniu i trwałego kontekstu. NVIDIA pozycjonuje swoją nową platformę Inference Context Memory Storage i BlueField-4 DPU jako warstwę infrastruktury dla tej zmiany.
Physical AI to z kolei próba NVIDIA, aby stać się systemem operacyjnym globalnego przemysłu. Poprzez Omniverse i platformę robotyki Isaac, firma umożliwia producentom i operatorom logistycznym symulowanie całych fabryk jako cyfrowych bliźniaków, zanim jakikolwiek robot wkręci śrubę. Partnerzy, w tym ABB Robotics – którego RobotStudio zamyka teraz lukę między symulacją a rzeczywistością z 99% dokładnością dzięki Omniverse – i Foxconn, już prowadzą pilotaże.
Test lakmusowy dla gospodarki AI
GTC 2026 nadchodzi w punkcie zwrotnym. Cykl Blackwell napędzał rekordowe przychody dla NVIDIA, ale inwestorzy obserwują, czy wzrost Vera Rubin może utrzymać tę trajektorię w obliczu rosnącej konkurencji ze strony niestandardowego krzemu u hyperscalerów. Przemówienie Huang zostanie przeanalizowane nie tylko pod kątem specyfikacji chipów, ale także pod kątem sygnałów dotyczących popytu, oprogramowania i tego, jak głęboko NVIDIA zamierza osadzić się w robotyce i automatyce przemysłowej. Odpowiedź, sądząc po programie konferencji, brzmi: bardzo głęboko.
